《（毕业设计论文）城镇居民人均医疗保健费用支出因素》由会员分享，可在线阅读，更多相关《（毕业设计论文）城镇居民人均医疗保健费用支出因素（39页珍藏版）》请在金锄头文库上搜索。
1、数据处理及模型分析（课程论文）城镇居民人均医疗保健费用支出因素的实证分析JIANGXI NORMAL UNIVERSITYI摘要近年来，随着人民生活水平的提高，人民越来越关注个人医疗保健问题。医疗卫生消费已经成为居民生活消费的重要组成部分，医疗卫生消费的水平、特点是一个地区一个国家居民生活水平和健康水平的重要反应。本文采用时间序列数据，通过建立计量模型，对中国近 20 年以来城镇人均医疗保健支出费用进行分析。分析城镇人均医疗保健支出与城镇人均可支配收入、政府卫生支出、CPI 及卫生人员数的关系。关键字：人均医疗保健支出；政府卫生支出；关键字：人均医疗保健支出；政府卫生支出；CPI；卫生人员数；
2、卫生人员数；IIAbstractIn recent years, with the improvement of peoples living standards, people are increasingly concerned about the personal health care issues. Residents living consumption has become an important part of health care consumption, the level of health care consumption, important reaction i
3、s characterized by a region of a country living standards and health. In this paper, the time series data analysis through the establishment of the econometric model, the urban per capita healthcare expenditures in China for the past 20 years since. Analysis of urban per capita health care spending
4、and the urban per capita disposable income, government spending on health, CPI and the relationship between the number of health personnel.Key words：Per capita health care spending; Government expenditure on health;CPI; The number of health workers1目录摘要摘要 IABSTRACT.II引言引言1一、模型变量选取及数据来源说明一、模型变量选取及数据来
5、源说明2（1）模型解释变量选取.2 （2）模型选取数据来源说明.2二、人均医疗保健支出与人均可支配收入的关联度双变量分析二、人均医疗保健支出与人均可支配收入的关联度双变量分析4三、人均医疗保健支出与多解释变量关联度分析三、人均医疗保健支出与多解释变量关联度分析8四、模型设定误差分析四、模型设定误差分析12五、模型结构稳定性检验五、模型结构稳定性检验13六、模型的自相关诊断及补救六、模型的自相关诊断及补救19(1)自相关的诊断19 1.1图示法.19 1.2杜宾瓦尔逊检验.20 1.3游程检验.20七、模型的多重共线性诊断及补救七、模型的多重共线性诊断及补救22(1)多重共线性的诊断22 1.1
6、 R诊断.22 1.2 解释变量的相关性检验22 1.3 辅助回归22 (2)变量转换进行多重共线性的补救28八、预测模型选择八、预测模型选择32九、选用模型的经济含义九、选用模型的经济含义33参考文献参考文献351引言当前随着城镇居民对个人健康的关注度不断提高，个人医疗保健支出已经是每一个城镇家庭不得不面对的问题。在房价、子女教育已经个人工作压力下，沉重又突如其来的医疗消费支出再一次拉紧了大多数城镇居民的神经。生活中甚至出现了白领不敢生病，生病了也尽量不去医院的种种社会怪想。个人医疗保健支出大的难题已经成为了困扰整个社会发展前进，影响居民幸福的重要因素。尽管近来政府的卫生支出越来越大，居民不
7、断参加各种的医疗保险，可个人医疗保健支出在人均可支配收入中却占据越来越大的比例，沉重的医疗保健支出给人们带来很大的经济负担。本文运用计量经济学的分析方法，研究我国医疗保健支出与城镇居民年人均可支配收入等因素之间的关系，旨在分析出如何解决个人医疗保健支出大的问题。2一、模型变量选取及数据来源说明（1）模型解释变量选取本文是对城镇居民人均医疗保健支出的影响因素分析。首先我们知道城镇居民人均可支配收入是影响居民消费支出的重要影响因素，所以我们把可支配收入作为我们实证分析的第一个解释变量。其次政府卫生总支出及卫生人员数也是可能影响城镇居民医疗支出的重要因素，因此我们把他们也作为我们模型分析的解释变量。
8、我们知道医疗支出方面也涉及到一些医疗服务产品购买问题，所以我们引进了解释变量 CPI。本文主要从以上这几个解释变量来对城镇居民人均医疗保健支出进行实证分析。（2）模型选取数据来源说明本文从中国统计年鉴选取了从 1991 年到 2010 年间，城镇居民医疗保健支出、城镇居民人均可支配收入、政府卫生总支出、卫生人员数及 CPI 的详细数据。具体数据如表 1 所示。表表1 1991-2010年解释变量与被解释变量详细数据年解释变量与被解释变量详细数据年份人均医疗保健 支出（元）城镇人均可 支配收入 （元）政府卫生支出 (亿元)城镇居民 消费价格 指数卫生人员数 （万人）199129.201700.6
9、0204.10105.1 0627.80199241.502026.60228.61108.6 0640.90199356.902577.40272.06116.1 0654.10199482.903496.20342.28125.0 0663.101995110.104283.00387.34116.8 0670.401996143.304838.90461.61108.8 0673.501997179.705160.30523.56103.1 0683.401998205.205425.10590.0699.40686.301999245.605754.00640.9698.70689.5
10、02000318.106279.98709.52100.8 0691.002001343.206859.60800.61100.7 0687.503续表续表 1 1991-2010 年解释变量与被解释变量详细数据年解释变量与被解释变量详细数据年份人均医疗 保健支出（元）城镇人 均可支配收 入（元）政府卫生 支出(亿元)城镇 居民消费 价格指数卫生人员 数（万人）2002430.107702.80908.5199.00652.902003476.008472.201116.94100.9 0621.702004528.209421.601293.58103.3 0633.302005600.90
11、10493.0 01552.53101.6 0644.702006620.5011759.5 01778.86101.5 0668.102007699.1013785.8 02581.58104.5 0696.402008786.2015780.8 03593.94105.6 0725.202009856.4017174.7 04816.3099.10778.102010871.8019019.0 05688.64103.2 0820.804二、人均医疗保健支出与人均可支配收入的关联度双变量分析为了更好的进行对人均医疗保健支出和人均可支配收入的关联度分析，我们选取全国 1991 年至 2010
12、 年人均医疗保健支出和人均可支配收入的统计资料，如表 2-1 所示。表表2-1 1991-2010年人均医疗保健支出和人均可支配收入（单位：元）年人均医疗保健支出和人均可支配收入（单位：元）年份人均医疗保健支出（元）城镇人均可支配收入 （元）199129.201700.60199241.502026.60199356.902577.40199482.903496.201995110.104283.001996143.304838.901997179.705160.301998205.205425.101999245.605754.002000318.106279.982001343.20685
13、9.602002430.107702.802003476.008472.202004528.209421.602005600.9010493.002006620.5011759.502007699.1013785.802008786.2015780.802009856.4017174.702010871.8019019.005因为我们之前选取的一些解释变量波动较大，为了减小数据波动较大产生的一些偏差，故我们建立二元对数回归模型yb1b2 X2（相关计算数据参照于表lnlnie2-1） ，把人均医疗保健支出经过对数出来后的数据作为被解释变量 Lny，同理人均可支配收入经过对数处理后的数据作为解释
14、变量 LnX2。表表2-2 经过对数处理后的数据经过对数处理后的数据年份LnyLnX2LnX3LnX4LnX519913.377.4423.7415.650.0519923.737.6123.8515.670.0819934.047.8524.0315.690.1519944.428.1624.2615.710.2219954.708.3624.3815.720.1619964.968.4824.5615.720.0819975.198.5524.6815.740.0319985.328.6024.8015.74-0.0119995.508.6624.8815.75-0.0120005.768
15、.7524.9915.750.0120015.848.8325.1115.740.0120026.068.9525.2315.69-0.0120036.179.0425.4415.640.0120046.279.1525.5915.660.0320056.409.2625.7715.680.026续表续表2-2 经过对数处理后的数据经过对数处理后的数据年份LnyLnX2LnX3LnX4LnX520066.439.3725.9015.710.0120076.559.5326.2815.760.0420086.679.6726.6115.800.0520096.759.7526.9015.87-0
16、.0120106.779.8527.0715.920.03运行统计分析软件 SPSS，将上表中数据输入界面，进行回归分析所得结果如表 2-2、表 2-3 和表 2-4 所示。表表2-2 模型汇总模型汇总模型RR 方调整 R 方标准 估计的误差1.983.966.964.199359a. 预测变量: (常量), Lnx2。表表2-3 Anova（b）模型平方和df均方FSig.回归20.117120.117506.176.000a残差.71518.0401总计20.83319a. 预测变量: (常量), Lnx2。b. 因变量: Lny7表表2-4 系数（系数（a）非标准化系数标准系数 模型 B标准 误差试用版tSig.(常量)-7.584.585-12.958.000 1 Lnx21.493.066.98322.498.000a. 因变量: Lny据此，可得该回归模型各项数据为：b2 1.493b1 -7.58422lnlnybx0.040222ienVar（b1）0.342 Se（b1） 0.585
